双通道信息融合的机械旋转部件混合故障诊断

来源：电子测量技术杂志2021年第14期北京时间：

作者：王廷轩，刘韬，王振亚，杨永灿

单位：1.昆明理工大学机电工程学院 昆明 650500;2.云南省先进装备智能维护工程研究中心 昆明 650500

摘要：为了实现机械旋转部件的混合故障诊断具有较高准确性，本文提出一种变工况下双通道信息融合的旋转部件混合故障诊断方法。其信号同时包含滚动轴承和齿轮振动信号。通道一的振动信号进行广义S变换生成二维信号，以特征图作为通道一的模型输入; 通道二将旋转部件的时域信号作为特征输入，双通道输出层随机特征融合，通过对整个双通道卷积神经网络（CNN）模型参数的微调，实现变工况下旋转部件混合故障状态的诊断识别。结果表明，所提方法能够有效地运用于旋转部件混合故障识别诊断，与一维、二维卷积神经网络以及其他机器学习方法对比，本方法故障识别准确率最高，达到98.18%。

关键词：旋转部件;卷积神经网络;广义S变换;混合故障诊断

基金资助：国家自然科学基金52065030，51875272）、 云南省重大科技专项计划（202002AD080001）项目资助